基于高精度对称光流的脑图像高维非线性空间归一化

空间归一化在基于体素的大脑图像分析中起着关键作用。 我们提出了一种基于对称光流技术的脑图像高维空间归一化的高精度算法。 我们首先构造了一个三维光学模型，该模型具有强度的一致性假设和强度梯度的一致性，且该模型在保持不连续性的时空平滑度的约束下。 然后，提出了一种高效的逆一致性光学流，其目的是提高配准精度，其中该流是自然对称的。 通过采用从粗略到精细分辨率范围的分层策略以及Euler-Lagrange数值分析方法，我们的算法能够记录脑图像数据。 使用模拟数据集和真实数据集进行的实验表明，我们的算法的准确性不仅优于那些传统的光流算法，而且可与医学成像界广泛使用的其他配准方法相媲美。 此外，我们的注册算法是完全自动化的，只需要很少数量的参数，就无需人工干预。